Touchons l'API Vision de Google de Python pour le moment

À propos de cet article

Cet article explique comment utiliser l'API Vision de GCP en ignorant les tâches difficiles. Même pour la première fois, vous pouvez l'utiliser si vous suivez l'image.

Page de référence

Google Vision API https://cloud.google.com/vision/docs/ocr/?hl=ja (J'ai pu éviter d'installer le SDK Google Cloud. Grâce à l'installation de google-cloud-vision avec pip?)

Travaux préliminaires

Windows10 Installer Python 3.7 Créer un compte GCP Préparer l'image que vous souhaitez lire

Commence travail

Installation de la bibliothèque

Tout d'abord, procurez-vous la bibliothèque d'API Google Vision. Entrez la commande suivante.

pip install --upgrade google-cloud-vision

Après l'installation, nous allons le tester. Ouvrez Python

from google.cloud import vision

Éxécuter. Si cela ne provoque pas d'erreur, tout va bien. Si non

Python 3.7.7 (default, May 6 2020, 11:45:54) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32 Type "help", "copyright", "credits" or "license" for more information. >>> from google.cloud import vision Traceback (most recent call last): File "", line 1, in ImportError: cannot import name 'vision' from 'google.cloud' (unknown location)

Il sera affiché.

Créer un projet GCP

Cette fois, nous allons mettre en place un nouveau projet GCP. Appuyez sur Nouveau projet. Créez un nom de projet avec un nom descriptif.

Activation de l'API

Après avoir créé le projet, activez l'API Vision. Veuillez cliquer dans l'ordre des numéros d'image.

Entrez "google vision api" dans la fenêtre de recherche. Cliquez sur l'élément affiché. Cliquez sur le bouton Activer.

Créer un compte de service

Sélectionnez en fonction du nombre dans l'image. Entrez un nom de compte de service approprié. L'ID sera saisi automatiquement, vous pouvez donc le laisser tel quel. Veuillez sélectionner un rôle approprié. L'écran suivant sera complété tel quel. Un compte de service a été ajouté. Cliquez sur image.png Et sélectionnez "Créer une clé". Sélectionnez JSON et appuyez sur le bouton Terminer. Déplacez le fichier téléchargé vers n'importe quel emplacement.

Définition des variables d'environnement

Définissez les variables d'environnement. Variables: GOOGLE_APPLICATION_CREDENTIALS Valeur: emplacement et nom du fichier json téléchargé (exemple: c: \ user \ xxxxxx \ desctop \ xxxxxxx.json)

La procédure de réglage est la suivante. Procédez selon les nombres de l'image.

Code source

Modifiez le code source provenant de Github.

detext.py

"""Detects text in the file."""
from google.cloud import vision
import io
client = vision.ImageAnnotatorClient()

# [START vision_python_migration_text_detection]
path = "C:\\Users\\xxxx\\Desktop\\gcptest\\xxxxx.png "
with io.open(path, 'rb') as image_file:
    content = image_file.read()

image = vision.types.Image(content=content)

response = client.text_detection(image=image)
texts = response.text_annotations
print('Texts:')

for text in texts:
    print('\n"{}"'.format(text.description))

    vertices = (['({},{})'.format(vertex.x, vertex.y)
                for vertex in text.bounding_poly.vertices])

    print('bounds: {}'.format(','.join(vertices)))

if response.error.message:
    raise Exception(
        '{}\nFor more info on error messages, check: '
        'https://cloud.google.com/apis/design/errors'.format(
            response.error.message))

Vous pouvez modifier l'image en changeant la partie de "path =" C: \ Users \ xxxx \ Desktop \ gcptest \ xxxxx.png "" sur la 7ème ligne du code source. L'image suivante est utilisée comme exemple.

Résultat de sortie

"Faites de votre mieux au Japon Collation au chocolat Meiji Montagne de champignons Saveur de fraise parfumée seulement TOKTO 0 20 ES Enfant) ©Tokyo 2020 " bounds: (1,66),(745,66),(745,954),(1,954) «Kanbare» bounds: (72,80),(351,73),(353,152),(74,159) "Nippon" bounds: (353,73),(619,66),(621,145),(355,152) «Meiji» bounds: (208,151),(305,150),(305,190),(208,191) "Chocolat" bounds: (307,151),(405,150),(405,189),(307,190) "goûter" bounds: (394,156),(535,155),(535,184),(394,185) "champignon" bounds: (33,167),(471,157),(475,354),(37,364) "de" bounds: (473,157),(569,155),(573,352),(477,354) "Montagne" bounds: (571,155),(735,151),(739,348),(575,352) «Kaoru» bounds: (131,403),(314,390),(322,502),(139,516) "Fraise" bounds: (315,390),(596,370),(604,482),(323,503) "goût" bounds: (598,370),(671,365),(679,476),(606,482) "seulement" bounds: (637,551),(736,527),(745,564),(646,588) "TOKTO" bounds: (236,697),(260,690),(263,701),(239,708) "0" bounds: (262,691),(277,687),(280,696),(265,701) "20" bounds: (1,804),(34,804),(34,829),(1,829) "ES" bounds: (1,828),(16,828),(16,844),(1,844) "Enfant" bounds: (1,910),(18,910),(18,932),(1,932) ")" bounds: (19,912),(24,912),(24,927),(19,927) "©Tokyo" bounds: (72,924),(150,921),(151,951),(73,954) "2020" bounds: (157,921),(210,919),(211,949),(158,951)

Comme prévu